典型文献
基于改进YOLOv3的骑车人识别研究
文献摘要：
针对智能网联汽车大发展环境下骑车人在公路上为易受伤群体的问题,将目标识别作为无人驾驶技术中的关键一环,提出使用YOLOv3算法对骑车人识别算法进行研究.YOLOv3的主干特征提取网络为Darknet-53,此种网络结构针对于多种类目标检测适用性强,然而公路骑车人作为单种类目标,Darknet-53网络结构显得冗繁.基于此,提出一种在YOLOv3算法基础上记性改进的算法,通过替换主干特征提取网络为Dark-19简化网络结构,降低网络复杂度,之后优化损失函数,将原来的IoU替换成CIoU,以提高识别精度.通过在TDCB上进行仿真实验,结果表明,改进后的YOLOv3算法平均检测精度和检测速度都有所提高,精度上提高了约3％,检测速度上约提高了0.013 s,此种改进后的算法有助于提高公路骑车人的安全性,对骑车人识别研究有着重要意义.
文献关键词：
骑车人识别;深度学习;YOLOv3;主干特征提取网络;损失函数
中图分类号：
作者姓名：
马佳峰;陈凌珊
作者机构：
201620 上海市 上海工程技术大学 机械与汽车工程学院
文献出处：
引用格式：
[1]马佳峰;陈凌珊-.基于改进YOLOv3的骑车人识别研究)[J].农业装备与车辆工程,2022(04):56-60
A类：
骑车人识别,TDCB
B类：
YOLOv3,智能网联汽车,受伤,目标识别,无人驾驶技术,出使,识别算法,主干特征提取网络,Darknet,类目,目标检测,冗繁,记性,优化损失函数,替换成,CIoU,识别精度,检测精度,检测速度
AB值：
0.198992
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
